清华AIR首届博士李健雄创立本溯智能，押注动作原生具身模型

清华大学智能产业研究院（AIR）首届博士生李健雄已完成学业并创办具身智能企业「本溯智能」（BASAL Intelligence）。目前，该公司已完成新一轮融资，由五源资本领投，常春藤资本、线性资本、华山资本（WestSummit Capital）跟投。

本溯智能团队核心成员包括首席科学家、清华 AIR 副教授詹仙园，以及 7 名长期合作的青年研究学者。与行业普遍采用的“预训练基模＋后训练部署”范式不同，本溯智能选择押注动作原生（Action-native）的 In-Context 具身基础模型，目标是让机器人在面对全新场景时无需重新微调，直接在现场完成自主学习与适应。

摆脱“换场景就重训”的自动化死胡同

当前具身智能的主流路线，主要依赖针对每个任务进行后训练与专门部署。这种模式在工厂高度标准化的产线上能够落地，但环境、物体或操作流程一旦变动，往往需要重新采集数据并重新微调模型。面对长尾任务，边际部署成本急剧攀升。

本溯智能认为，这一现状本质上仍是工业自动化的延续，并非真正的具身智能。真实世界中与物理环境交互的动作信号，很难被自然语言完整描述。现阶段以语言为中心的视觉-语言-动作（VLA）模型，在执行精细操作与跨场景泛化时存在先天瓶颈。

团队给出的解法是让机器人具备现场学习能力：遇到未见过的场景、任务或机器人本体时，机器人只需通过极少量的人类示范与自主试错，便可在数分钟内自适应环境变化，无需重新训练网络权重。

动作优先：以 In-Context 驱动物理交互

本溯智能主张回归智能决策的第一性原理，将“动作”作为模型的核心表达介质，直接学习物理动作、环境反馈、失败纠偏与示范动作之间的动态映射。

在该架构中，模型的大部分参数容量分配给动作生成，借助长上下文窗口（Context Window）组织连续物理交互过程，使机器人能基于过往动作与试错反馈持续修正决策。相比自然语言，动作更能触及物理世界交互的本质，而 In-Context Learning 则赋予了模型在部署现场即时进化的空间。

支撑该体系的技术底座包括两项核心自研成果：

• 跨具身模型 X-VLA：专注于跨本体的动作表达。团队仅使用不到 1000 小时的预训练数据，便在多项第三方基准中展现出泛化能力，并凭借该方案拿下 IROS 2025 智元机器人挑战赛总冠军。
• 隐空间世界模型 ODEWorld：基于连续物理时间进行隐空间建模，为长时序物理信息的高效表征及现场 In-Context 学习提供支撑。

从预先编程走向即时适应，不仅是技术范式的转变，也直击具身机器人规模化落地的核心成本痛点。若该技术路线顺利跑通，机器人的综合部署成本将随交互经验的积累而逐步降低。团队当下的首要课题，是在更多真实的硬件本体与复杂任务中，持续检验数分钟现场学习的鲁棒性。